买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京深势科技有限公司申请的专利一种带有条件约束的分子构象生成器的处理方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119181441B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411310784.8，技术领域涉及：G16C20/50；该发明授权一种带有条件约束的分子构象生成器的处理方法和装置是由赵国江;高志锋;柯国霖;张林峰设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种带有条件约束的分子构象生成器的处理方法和装置在说明书摘要公布了：本发明实施例涉及一种带有条件约束的分子构象生成器的处理方法和装置，所述方法包括：基于多个Uni‑Mol模型和一个已经完成模型训练的性质预测模型构建一个分子构象生成器；基于预设的基版模型参数对分子构象生成器内的所有Uni‑Mol模型的模型参数进行初始化；接收用户输入的第一分子序列、第一分子性质向量和第一生成分子数量；基于预设的化学信息学工具对第一分子序列进行三维构象转换处理得到对应的第一转换构象；根据第一转换构象、第一分子性质向量、第一生成分子数量和分子构象生成器进行批量分子生成任务处理得到对应的第一批量分子任务报告向用户反馈。通过本发明可以提高分子设计效率、提高对未知分子结构的探索能力。

本发明授权一种带有条件约束的分子构象生成器的处理方法和装置在权利要求书中公布了：1.一种带有条件约束的分子构象生成器的处理方法，其特征在于，所述方法包括： 基于多个Uni-Mol模型和一个已经完成模型训练的性质预测模型构建一个分子构象生成器；其中，所述分子构象生成器用于根据输入的分子构象Xini和条件约束向量CT进行新分子构象生成处理并输出对应的生成分子构象XD； 基于预设的基版模型参数对所述分子构象生成器内的所有所述Uni-Mol模型的模型参数进行初始化；其中，所述基版模型参数为一个已经完成模型预训练的基版Uni-Mol模型的模型参数； 接收用户输入的第一分子序列、第一分子性质向量和第一生成分子数量；其中，所述第一分子序列为一个一维的SMIELS序列；所述第一分子性质向量包括多个第一性质数据；每个所述第一性质数据对应一个指定分子性质；所述指定分子性质至少包括熔点、溶解度、密度、酸碱性类型、稳定性分数和反应活性分数；各个所述第一性质数据为0时说明在生成新分子构象时不对当前性质数据对应的所述指定分子性质进行约束，所述第一性质数据不为0时说明在生成新分子构象时以当前性质数据为对应的条件性质数据对对应的所述指定分子性质进行约束； 基于预设的化学信息学工具对所述第一分子序列进行三维构象转换处理得到对应的第一转换构象；其中，所述化学信息学工具至少包括OpenBabel、RDKit； 根据所述第一转换构象、所述第一分子性质向量、所述第一生成分子数量和所述分子构象生成器进行批量分子生成任务处理得到对应的第一批量分子任务报告向用户反馈; 其中，所述Uni-Mol模型用于对输入的三维分子构象进行分子构象优化处理并输出对应的优化分子构象； 所述性质预测模型由多个并行的第一预测模型组成；各个所述第一预测模型各自基于一类非线性回归模型实现，所述非线性回归模型至少包括XGBoost模型、GBDT模型、RandomForest模型和MLP模型；每个所述第一预测模型对应一个所述指定分子性质； 所述性质预测模型用于将当前输入的三维分子构象向各个所述第一预测模型发送得到对应的性质预测数据；并由得到的所有所述性质预测数据组成对应的性质预测向量并输出；所述性质预测向量由多个所述性质预测数据组成； 所述性质预测模型中与熔点、溶解度、密度、酸碱性类型、稳定性分数或反应活性分数对应的所述第一预测模型，分别用于根据当前输入的三维分子构象进行对应的熔点、溶解度、密度、酸碱性类型、稳定性分数或反应活性分数预测处理得到对应的熔点、溶解度、密度、酸碱性类型、稳定性分数或反应活性分数预测值作为一个对应的所述性质预测数据并输出； 所述分子构象生成器的第一模型输入端用于接收模型输入的所述分子构象Xini、第二模型输入端用于接收模型输入的所述条件约束向量CT，模型输出端用于输出对应的所述生成分子构象XD； 所述分子构象Xini和所述生成分子构象XD各为一个三维的分子构象；所述条件约束向量CT由多个所述条件性质数据组成，每个所述条件性质数据对应一个所述指定分子性质； 所述分子构象生成器包括构象优化模型、编码器、所述性质预测模型、约束条件比对模块、编码调制模块和解码器； 所述构象优化模型的输入端与所述第一模型输入端连接，输出端与所述编码器的第一输入端连接；所述编码器的第二输入端与所述编码调制模块的输出端连接，第一输出端与所述性质预测模型的输入端连接、第二输出端与所述约束条件比对模块的第一输入端连接；所述性质预测模型的输出端与所述约束条件比对模块的第二输入端连接；所述约束条件比对模块的第三输入端与所述第二模型输入端连接，第一输出端与所述编码调制模块的输入端连接、第二输出端与所述解码器的输入端连接；所述解码器的输出端与所述模型输出端连接； 所述构象优化模型基于一个所述Uni-Mol模型实现； 所述构象优化模型用于对输入的所述分子构象Xini进行分子构象优化处理并输出对应的优化分子构象XO；并将所述优化分子构象XO向所述编码器发送； 所述编码器由预设的第一数量NE的所述Uni-Mol模型串联而成； 所述编码器用于在收到所述构象优化模型发送的所述优化分子构象XO时，对本次接收到的所述优化分子构象XO进行保存；并使用NE个所述Uni-Mol模型对本次收到的所述优化分子构象XO进行逐级优化并将最后一个所述Uni-Mol模型输出的优化分子构象作为对应的编码输出构象XE；并将本次得到的所述编码输出构象XE向所述性质预测模型和所述约束条件比对模块发送； 所述编码器还用于在收到所述编码调制模块发送的调制模型参数时，使用当次收到的所述调制模型参数对自身的编码器参数进行重置；并在本次参数重置结束时，再次使用NE个所述Uni-Mol模型对保存的所述优化分子构象XO进行逐级优化并将第NE个所述Uni-Mol模型输出的优化分子构象作为最新的所述编码输出构象XE；并将本次得到的所述编码输出构象XE向所述性质预测模型和所述约束条件比对模块发送； 所述性质预测模型用于将当前输入的所述编码输出构象XE向各个所述第一预测模型发送得到对应的所述性质预测数据；并由本次得到的所有所述性质预测数据组成对应的性质预测向量CP；并将本次得到的所述性质预测向量CP向所述约束条件比对模块发送； 所述约束条件比对模块用于根据输入的所述性质预测向量CP和所述条件约束向量CT进行约束条件比对处理得到对应的条件满足状态；并对所述条件满足状态进行识别；若所述条件满足状态为不满足约束条件，则将最新的所述性质预测向量CP和所述条件约束向量CT向所述编码调制模块发送；若所述条件满足状态为满足约束条件，则将最新的所述编码输出构象XE向所述解码器发送；其中，所述条件满足状态包括不满足约束条件和满足约束条件； 所述编码调制模块用于根据当次收到的所述性质预测向量CP和所述条件约束向量CT对所述编码器进行一轮参数调制处理得到对应的所述调制模型参数；并将本次得到的所述调制模型参数向所述编码器发送； 所述解码器由预设的第二数量ND的所述Uni-Mol模型串联而成； 所述解码器用于使用ND个所述Uni-Mol模型对输入的所述编码输出构象XE进行逐级优化并将第ND个所述Uni-Mol模型输出的优化分子构象作为对应的所述生成分子构象XD并输出； 所述根据所述第一转换构象、所述第一分子性质向量、所述第一生成分子数量和所述分子构象生成器进行批量分子生成任务处理得到对应的第一批量分子任务报告向用户反馈，具体包括： 步骤71，初始化第一计数器为1； 步骤72，将所述第一转换构象和所述第一分子性质向量作为对应的所述分子构象Xini和所述条件约束向量CT输入所述分子构象生成器进行新分子构象生成处理得到对应的所述生成分子构象XD作为对应的第一生成分子构象； 步骤73，对所述第一计数器加1； 步骤74，对所述第一计数器是否大于所述第一生成分子数量进行识别；若是，则转至步骤75；若否，则返回步骤72； 步骤75，对每两个所述第一生成分子构象的相似度进行识别得到对应的第一相似度；并基于所述第一相似度对得到的所有所述第一生成分子构象进行聚类得到对应的一个或多个第一构象集合； 其中，每个所述第一构象集合由一个或多个所述第一生成分子构象组成；所述第一构象集合中的所述第一生成分子构象的总数唯一时，该唯一的所述第一生成分子构象与其他任意所述第一生成分子构象的所述第一相似度都大于预设的第一相似度阈值；所述第一构象集合中的所述第一生成分子构象的总数不唯一时，集合中每两个所述第一生成分子构象间的所述第一相似度都小于或等于所述第一相似度阈值； 步骤76，由所述第一分子序列、所述第一分子性质向量、所述第一生成分子数量和所有所述第一构象集合组成对应的所述第一批量分子任务报告向用户反馈。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京深势科技有限公司，其通讯地址为：100089 北京市海淀区海淀大街3号1幢11层1101；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。